Python Scikit使用观察序列集学习HMM训练

我有一个问题，关于如何使用scikit学习包中的gaussianHMM一次对几个不同的观察序列进行训练。 示例如下：

显示EM在1个长观测序列上会聚。但在许多场景中，我们希望将观察结果（如句子集训练）分解为每个观察序列都有一个开始和结束状态。也就是说，我想对多个观测序列进行全局训练。 使用GuassianHMM时如何实现这一点？有没有一个例子可以看

---

在所附示例中，请提前感谢

model.fit([X])

这是在观察值的单例上进行训练，如果你有多个观察值，例如X1、X2、X3，你可以运行

model.fit([X1,X2,X3])

一般来说，对于scikit中的HMM实现，请学习给它一个观察序列

model.fit(S)

---

如果一个观测序列有多个特征，这是否有效？@lejlotk如果一个观测序列有多个特征，这是否有效？（例如，X1是R^3中的一个向量）是的，事实上它必须是具有多个特征的东西（在最坏的情况下只有一个），fit接受：“类似数组的观察序列列表，每个序列都有形状（n_i，n_特征），其中n_i是第i个观察的长度。”@leijot谢谢。也许你可以看看我在交叉验证中的问题，该问题是由多个特性（我指的是不同的特性，例如cpu负载、内存、温度）在@leijot中解决的。我只是想说清楚。是的，这正是它的目的